深度学习算法在工业视觉落地的思考

0.废话

距离上次的栈板识别的思考已经过去3个月，中间根据客户的需求和自己的思考，对软件又重新做了调整。但是整体上还是不满意。

0.1 老生常谈的工业视觉落地架构

对于软件架构，我实在没有太多的参考。没办法，公司根本不关心软件是什么玩意。对于一个销售型公司，在2023年了，还认为软件是硬件的附赠品。所以对于软件，公司的态度就是很随意。所以根本也不会有软件框架可以参考，或者类似的需求。但是我们可以看看雷卡慢的。不说具体的细节，因为我也没用过。之前我提出要公司弄一套给我们参考，但是显然不现实，

视觉工程最重要的就是相机拍照，视觉算法，通讯。
其实这个软件就是一个图形化的工程工具，他把视觉工程通过拖拉ui的方式搭建成一整个流程图。但是内置的算法，我理解的就是一深度学习推理端的部署。因为他把训练的模块又弄了一个软件

模型训练工具

这个我最感兴趣的是他的标定工具。当然这种类似的软件其实是每一个视觉厂家必须有的东西。当然我们除外。

0.2 一穷二白的公司需要的技术

我们公司可以说以上3种软件全部没有，那么作为视觉工程师。我们接到任务后，需要哪方面的技术呢。

1. 软件前端UI，我就用pyqt
2. tcp/ip , socket，要会多线程，非阻塞，心跳机制，连包分包问题的解决
3. 相机的SDK，通读SDK的文档，做到了解相机的每个函数的作用。而不是只去看demo
4. 标定，熟悉相机的内参外参，熟悉旋转矩阵，欧拉角，四元素法。熟悉相机的9点标定。熟悉机器人的3个坐标系的关系
5. 机器视觉算法。不限于2D,3D 熟悉对应的算法库。opencv pcl open3d cloudcompare
6. 深度学习视觉算法。不限于2D 3D 分类，检测，实例分割，熟悉pytorch
7. 打包工具。log日志。ubuntu脚本。

1。接着栈板识别再思考

之前我们说过，就不再赘述。现在出现的新问题，需要解决

1。1 相机图像的适应性

之前使用了各种方式去增强图像数据的对比度。使得我们要检测的1500-3000范围内的栈板有很好的对比度。结论就是还是对数变换。

1。2模型的适应性

经过了几个客户的测试，我最终还是换成了yolov5。但是瞎折腾也有瞎折腾的好处不是么。yolov5的适应性显然强过yolov7。
推理后端我还是改成了onnx。相比pytorch的真的是体积小速度快。当然win下还是openvino快一点。但是我现在不仅要考虑win linux 还要考虑 树莓派。真的是一个简单的软件弄得特别复杂。具体的测试结果看其他文章。

1。3软件太大

这里我不得不吐槽一下open3d ，我使用pyinstaller打包竟然一个open3d就占了900m 打包的软件加上权重，足足1。5g 客户直接骂娘。而我只用了它其中的一个拟合平面的函数。所以果断去找源码，照着改了一份。这里参考我的其他文章。

1。4 相机的SDK

我是真的服了老外的SDK，真的不当人。当然也怪我，水平不够，看Demo完全没用。前前后后我又把相机的SDK 看了2遍。算是懂了一大半，但是他还是很多漏洞。。。。

2。重点，获取3D点云坐标系

之前我一直通过拟合直线获取平面的法向量。
但是这种方式有个问题，那就是另外一个方向是不知道的。所以如果我的相机的安装方式不规整，那么我们就需要3个坐标轴的旋转角度。

2。1 拟合直线

我的想法是通过找的矩形框去拟合对应的平面

2。2 特征向量

其实这个是让我最着迷的，研究了2天，最后发现瞎折腾。我偶然间发现cloudcomepare 中有个拟合平面的工具竟然拟合的平面是带有旋转矩阵的。这个发现让我欣喜若狂。这样问题不久解决了么。我去看看了他妈的源码。竟然是计算点云的协方差矩阵，然后算矩阵的特征值和特征向量。其中特征值最小的的特征向量就是z轴，特征值最大的特征向量是x轴。z，x叉乘就是y轴。简直不要太牛逼。然后我发现误差贼大。

2。3组合

那就把之前的拟合平面的算法加上去，筛选出正确的点云数据。
然后通过求解协方差矩阵的特征向量获取坐标轴。

def getboxfrompoints(points, inliers):
    # 计算点云的协方差矩阵
    cov_matrix = np.cov(points[inliers], rowvar=False)

    eigenvalues, eigenvectors = np.linalg.eig(cov_matrix)

    # 创建特征向量
    z_indx = np.argmin(eigenvalues)
    z = eigenvectors[:, z_indx]
    x_indx = np.argmax(eigenvalues)
    x = eigenvectors[:, x_indx]
    y = np.cross(z, x)

    # 创建 Open3D 点云对象
    point_cloud = o3d.geometry.PointCloud()
    point_cloud.points = o3d.utility.Vector3dVector(points[inliers])

    # 创建坐标轴
    coordinate_frame = o3d.geometry.TriangleMesh.create_coordinate_frame(size=100.0, origin=np.array([0, 0, 0]))

    # 计算旋转角度
    theta_x = np.arctan2(y[2], z[2])
    theta_y = np.arctan2(-x[2], np.sqrt(x[0]**2 + x[1]**2))
    theta_z = np.arctan2(x[1], x[0])


    # 获取旋转矩阵
    rotation_matrix = np.eye(3)
    # rotation_matrix = np.dot(rotation_matrix, np.array([x,y,z]))
    rotation_matrix = np.dot(rotation_matrix, o3d.geometry.get_rotation_matrix_from_xyz([theta_x, theta_y, theta_z]))

    # 旋转坐标轴
    coordinate_frame.rotate(rotation_matrix)

    # 缩放坐标轴
    coordinate_frame.scale(1.0, center=np.mean(points[inliers], axis=0))

    # 平移坐标系
    coordinate_frame.translate(np.mean(points[inliers], axis=0))

    # 将点云和坐标轴合并到一个列表中
    geometries = [point_cloud, coordinate_frame]

    # 显示点云和坐标轴
    o3d.visualization.draw_geometries(geometries)

    # return matrix_to_euler(np.array([x,y,z]))
    return np.degrees(np.array([theta_x,theta_y,theta_z]))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48